基于Python的人工智能应用案例系列（14）：Fashion MNIST图像分类CNN

在这一篇文章中，我们将使用PyTorch来实现卷积神经网络（CNN），对Fashion MNIST数据集进行图像分类任务。Fashion MNIST数据集是MNIST的升级版，包含各种服装、鞋类和配饰的灰度图像，非常适合作为深度学习的入门数据集。

数据集概述

Fashion MNIST数据集由60,000张训练图像和10,000张测试图像组成，每张图像的尺寸为28x28像素，且为灰度图像。数据集共包含10个类别，分别为：

T-shirt/top（T恤/上衣）
Trouser（裤子）
Pullover（套衫）
Dress（连衣裙）
Coat（外套）
Sandal（凉鞋）
Shirt（衬衫）
Sneaker（运动鞋）
Bag（包）
Ankle boot（短靴）

接下来，我们将从数据的加载开始，一步步构建并训练CNN模型。

1. ETL（提取、转换、加载）

首先，我们通过torchvision中的datasets模块加载Fashion MNIST数据集，并使用DataLoader进行批量处理。

python 复制代码

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch.utils.data import DataLoader
from torchvision import datasets, transforms
from torchvision.utils import make_grid
import matplotlib.pyplot as plt

# 数据转换
transform = transforms.ToTensor()

# 加载训练和测试数据集
train_data = datasets.FashionMNIST(root='../Data', train=True, download=True, transform=transform)
test_data = datasets.FashionMNIST(root='../Data', train=False, download=True, transform=transform)

# 定义类别名称
class_names = ['T-shirt', 'Trouser', 'Sweater', 'Dress', 'Coat', 'Sandal', 'Shirt', 'Sneaker', 'Bag', 'Boot']

# 使用DataLoader加载数据
train_loader = DataLoader(train_data, batch_size=10, shuffle=True)
test_loader = DataLoader(test_data, batch_size=10, shuffle=False)

2. EDA（探索性数据分析）

在训练模型之前，我们可以通过批量可视化数据来对数据集有一个直观的认识。

python 复制代码

for images, labels in train_loader: 
    break

print('标签: ', labels.numpy())
print('类别: ', *[class_names[i] for i in labels])

# 显示图像
im = make_grid(images, nrow=10)
plt.figure(figsize=(12,4))
plt.imshow(np.transpose(im.numpy(), (1, 2, 0)))

3. 模型训练

接下来我们定义一个卷积神经网络模型，该模型包含两个卷积层、两个池化层和两个全连接层。

python 复制代码

class ConvolutionalNetwork(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 6, 3, 1)  # 输入通道数为1（灰度图），输出通道数为6，卷积核大小为3x3
        self.conv2 = nn.Conv2d(6, 16, 3, 1)  # 第二个卷积层，输出通道数为16
        self.fc1 = nn.Linear(5*5*16, 100)  # 全连接层，输入尺寸根据卷积结果计算
        self.fc2 = nn.Linear(100, 10)  # 输出层，10个类别

    def forward(self, X):
        X = F.relu(self.conv1(X))
        X = F.max_pool2d(X, 2, 2)
        X = F.relu(self.conv2(X))
        X = F.max_pool2d(X, 2, 2)
        X = X.view(-1, 5*5*16)
        X = F.relu(self.fc1(X))
        X = self.fc2(X)
        return X
    
torch.manual_seed(101)
model = ConvolutionalNetwork()

模型参数统计

我们可以通过函数统计模型的可训练参数数量。

python 复制代码

def count_parameters(model):
    params = [p.numel() for p in model.parameters() if p.requires_grad]
    for item in params:
        print(f'{item:>6}')
    print(f'总参数数量: {sum(params):>6}')

count_parameters(model)

定义损失函数与优化器

我们使用交叉熵损失函数（CrossEntropyLoss）和Adam优化器。

python 复制代码

criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

模型训练

接下来我们开始训练模型，设定训练5个epoch。

python 复制代码

epochs = 5

for i in range(epochs):
    for X_train, y_train in train_loader:
        # 应用模型
        y_pred = model(X_train)
        loss = criterion(y_pred, y_train)

        # 更新参数
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()

    print(f'{i+1} / {epochs} 轮训练完成')

4. 模型测试

训练完成后，我们对测试数据进行推理并计算准确率。

python 复制代码

model.eval()

with torch.no_grad():
    correct = 0
    for X_test, y_test in test_loader:
        y_val = model(X_test)
        predicted = torch.max(y_val,1)[1]
        correct += (predicted == y_test).sum()
        
print(f'测试准确率: {correct.item()}/{len(test_data)} = {correct.item()*100/(len(test_data)):.3f}%')

结语

在本文中，我们使用PyTorch搭建了一个简单的卷积神经网络（CNN）来处理Fashion MNIST图像分类任务。通过应用CNN模型，我们能够成功地对服装图像进行分类，并取得了不错的准确率。尽管这是一个入门级别的模型，且有提升空间，但它展示了CNN在图像分类任务中的强大性能。

接下来，读者可以尝试调整模型结构，增加或减少卷积层、全连接层的数量，或尝试使用不同的优化器和学习率，看看这些变化如何影响模型的准确性。此外，使用更复杂的深度学习技术（如迁移学习或更深的网络）也能进一步提升模型的表现。

通过这个案例，相信大家对卷积神经网络的基本结构和应用有了更直观的了解。接下来的篇章中，我们将继续探索更多深度学习应用，带领大家深入了解人工智能的实际应用场景。敬请期待！

如果你觉得这篇博文对你有帮助，请点赞、收藏、关注我，并且可以打赏支持我！

欢迎关注我的后续博文，我将分享更多关于人工智能、自然语言处理和计算机视觉的精彩内容。

谢谢大家的支持！